无法使用python解析简单的json

Question

我有一个非常简单的json，无法使用simplejson模块进行解析。再生产：

import simplejson as json
json.loads(r'{"translatedatt1":"Vari\351es"}')

结果：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/pymodules/python2.5/simplejson/__init__.py", line 307, in loads
    return _default_decoder.decode(s)
  File "/usr/lib/pymodules/python2.5/simplejson/decoder.py", line 335, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "/usr/lib/pymodules/python2.5/simplejson/decoder.py", line 351, in raw_decode
    obj, end = self.scan_once(s, idx)
ValueError: Invalid \escape: line 1 column 23 (char 23)

任何人都知道出了什么问题以及如何正确解析上面的json吗？

在那里编码的字符串是： Variées

PS我使用python 2.5

非常感谢！

Answer 1

那是完全正确的；Vari\351es包含无效的转义符，JSON标准不允许\后面跟数字。

无论产生什么代码，都应该修复。如果那是不可能的，那么您将需要使用正则表达式删除这些转义符，或者将其替换为有效的转义符。

如果我们将351数字解释为八进制数字，则它将指向Unicode代码点U +
00E9，即é字符（带有ACUTE的拉丁文小写字母E）。您可以使用以下方法“修复” JSON输入：

import re

invalid_escape = re.compile(r'\\[0-7]{1,6}')  # up to 6 digits for codepoints up to FFFF

def replace_with_codepoint(match):
    return unichr(int(match.group(0)[1:], 8))


def repair(brokenjson):
    return invalid_escape.sub(replace_with_codepoint, brokenjson)

使用repair()您的示例可以加载：

>>> json.loads(repair(r'{"translatedatt1":"Vari\351es"}'))
{u'translatedatt1': u'Vari\xe9es'}

您可能需要调整代码点的解释。我选择八进制（因为它Variées是一个实际的单词），但是您需要使用其他代码点对其进行更多测试。